论文部分内容阅读
钛合金切削过程中的高温导致刀具磨损快,其结果是加工效率低,加工成本高,加工质量难以保证。因此研究钛合金材料的切削性能,优化工艺参数对于提高加工效率、控制加工质量具有重要意义。本文以钛合金Ti-6Al-4V高速切削过程作为研究对象,通过实验研究、神经网络和的优化方法结合,获取最佳切削参数,满足钛合金高速切削加工需要。(1)Ti-6Al-4V高速切削过程的实验研究和经验模型研究。利用正交实验法,采用硬质合金刀具高速切削Ti-6Al-4V,借助于极差分析,研究切削参数(轴向切削深度、径向切削深度、切削速度和每齿进给量)对切削力和表面粗糙度的影响；分别采用多元线性回归和多项式回归方法建立了切削力和表面粗糙度的经验模型,并得到了实验验证。(2)基于神经网络的切削力、表面粗糙度预测模型。BP(Back Propagation)神经网络由大量处理单元组成,具有很强的平行计算、学习、容错和抗干扰能力,由输入向量和输出向量来训练模型。本文采用误差反向传播算法训练网络模型,借助于自适应学习速率法和附加动量法,解决传统BP网络学习训练过程中收敛速度慢、易陷入局部极小的缺点。验证实验表明：BP神经网络完全能够胜任Ti-6Al-4V高速切削过程中切削力和表面粗糙度的准确预测。(3)基于金属去除率的切削参数优化。设计优化数学模型时,将金属去除率作为一个约束条件。也就是说,在一定金属去除率条件下,分别获得满足minF(x)或minRa(x)的轴向切削深度、径向切削深度、切削速度和每齿进给量的最佳参数组合,从而到达降低切削力或提高表面质量的目的。最后,最优切削参数下的切削力和表面粗糙度被实验所验证。本研究得到了教育部高等学校博十点基金“低温油-气切削介质的超声振动强化润滑机理研究”(20070422033)、山东省优秀中青年科学家奖励基金计划“钛合金切削过程中的高效冷却介质及冷却机理研究”(2007BS05001)和“高档数控机床与基础制造装备”科技重大专项“立式铣车复合加工中心：铣车复合工艺研究”(2009ZX04001-032)的资助。